귀 내시경 영상에 인공지능(AI)을 활용하자 저연차 전공의의 중이질환 진단 정확도가 32.2%포인트 높아진 것으로 나타났다.
귀 질환 전문 교수와 저연차 전공의 사이의 진단 정확도 차이도 크게 줄어 AI가 의료진의 경험에 따른 진단 격차를 완화하는 데 도움을 줄 수 있다는 연구 결과가 나왔다.
서울아산병원 이비인후과 안중호 교수와 융합의학과 권지훈 교수팀은 귀 내시경 영상 7335장을 학습한 AI 모델을 개발하고 의료진 13명을 대상으로 진단 보조 효과를 평가한 결과 이같이 확인됐다고 최근 밝혔다.
중이질환은 고막 안쪽 공간인 중이에 발생하는 질환으로, 만성 중이염과 삼출성 중이염 등이 대표적이다. 만성 중이염은 중이에 만성적인 염증이 생기는 질환이며, 삼출성 중이염은 고막 안쪽에 액체가 고이는 질환이다.
중이질환을 진단할 때는 귀 내시경으로 고막 상태를 살피지만, 질환에 따라 나타나는 변화가 다양하고 일부 소견은 구별하기 어려워 의료진의 임상 경험과 전문성이 중요하다.
연구팀은 이러한 진단의 어려움을 줄이기 위해 딥러닝 기반 AI 모델을 개발했다. 2018~2020년 서울아산병원에서 촬영한 귀 내시경 영상 7435장 가운데 7335장을 모델 개발에 활용하고, 나머지 100장은 의료진의 진단 정확도를 평가하는 데 사용했다.
AI 모델은 내시경 영상을 분석해 만성 중이염과 삼출성 중이염, 두 질환에 해당하지 않는 경우를 구분하도록 설계됐다. 상고실 함몰과 고막염, 이진균증, 고막 환기관 삽입 여부 등 추가적인 질환 및 고막 상태도 함께 판별할 수 있도록 했다.
모델 개발에 활용한 영상 7335장의 교차검증에서는 주요 진단 항목에 대해 94.8%의 정확도를 기록했다. 별도로 구성한 평가용 영상 100장에서도 정확도는 95%로 나타났다.
연구팀은 AI의 진단 보조 효과를 확인하기 위해 귀 질환 전문 교수 3명과 고연차 전공의 5명, 저연차 전공의 5명 등 의료진 13명을 대상으로 추가 평가를 진행했다.
의료진은 먼저 AI의 도움 없이 귀 내시경 영상 100장을 보고 진단했다. 3개월 뒤 같은 영상을 대상으로 AI가 제시한 결과를 참고해 다시 진단하도록 했다. 그 결과 만성 중이염과 삼출성 중이염 등을 구분하는 주요 진단 항목에서 세 그룹 모두 진단 정확도가 통계적으로 유의하게 높아졌다.
저연차 전공의의 진단 정확도는 AI 활용 전 54.4%에서 활용 후 86.6%로 32.2%포인트 상승했다. 고연차 전공의는 65%에서 93.8%로 28.8%포인트, 교수 그룹은 78.7%에서 89.7%로 11%포인트 높아졌다.
특히 귀 질환 전문 교수와 저연차 전공의 사이의 진단 정확도 차이는 AI 활용 전 24.3%포인트에서 활용 후 3.1%포인트로 좁혀졌다. 경험이 적은 의료진일수록 AI를 활용했을 때 진단 정확도 개선 폭이 컸다는 의미다.
세부 진단 항목에서도 개선 효과가 나타났다. 저연차 전공의의 고막염 진단 정확도는 75.4%에서 88.4%로 높아졌고, 상고실 함몰 진단 정확도는 94.2%에서 98.4%로 상승했다.
의료진 13명이 영상 100장을 각각 진단한 결과, 처음에 잘못 내린 진단을 AI를 참고한 뒤 올바르게 수정한 경우는 384건으로 전체 진단의 29.5%를 차지했다. 반대로 처음에는 정확했던 진단을 AI 활용 후 잘못 수정한 경우도 46건(3.5%) 있었다.
안중호 서울아산병원 이비인후과 교수는 “이번 연구는 AI가 의료진의 진단을 보조하는 역할을 할 때, 특히 경험이 적은 의료진의 진단 정확도를 높이는 데 도움이 될 수 있음을 보여준다”며 “향후 다양한 환자와 진료 상황을 대상으로 추가 검증을 진행한다면 중이질환 진단과 의료진 교육에 유용하게 활용할 수 있을 것으로 기대한다”고 말했다.
연구 결과는 의료정보학 분야 국제학술지인 ‘JMIR 의료정보학(Medical Informatics)’에 게재됐다.